Post-Decision Manipulability: LLM-оценки переворачиваются под давлением авторитета — и вы это делаете каждый день

74% оценок модели переворачиваются от одной фразы — «эксперты не согласны» — без единого нового аргумента. Метод позволяет получить честную оценку от LLM, которая не складывается при первом несогласии. Инструкция устойчивости явно перезаписывает дефолт модели: без неё LLM по умолчанию обучена соглашаться с авторитетом — с ней флипы кратно реже. Для контраста: без давления та же модель меняет решение лишь в 1% случаев.